2026年全民數字素養與技能提升月的主題是“數智賦能 全民共享”。隨著6G技術飛速發展，數字生活已觸手可及。6G擁有哪些“超能力”？又將如何重塑世界？科普中國聯合中國移動科學技術協會推出6G系列深度解讀，帶您解鎖未來新可能。

什麼是擴散模型

在無線通信中，信號在傳播過程中經常會受到遮擋、反射和噪聲干擾。傳統的信道估計方法，在復雜環境下性能往往會明顯下降。簡單來說，就是無線環境一復雜，系統就容易“看不清”真實信號。

近年來，研究人員開始利用人工智能（AI）進行信道估計，希望通過深度學習提升信號恢復能力。不過，這類方法通常需要大量訓練數據，一旦實際環境發生變化，或者數據不足，模型效果就容易不穩定。未來6G網絡會更加智能、更加動態，這個問題也會更加突出。因此，業界開始探索一種更“聰明”的方法：不僅能在復雜噪聲環境下穩定恢復信號，還能夠在數據較少時依然保持較好的性能。

擴散模型正是在這樣的背景下受到廣泛關注。它近年來在AI繪畫、AI視頻生成等領域迅速走紅，而現在，研究人員也開始嘗試把它應用到無線通信中。其核心思想其實並不復雜，可以簡單理解為：“先學會怎麼把東西變模糊，再學會怎麼把它一點點恢復清晰。”這個過程可以類比為“修復老照片”。擴散模型就像是在訓練AI學習如何修復一張被嚴重干擾的圖片，此過程包括兩個關鍵點：

正向加噪：類似於不斷給一張清晰照片覆蓋“雪花噪點”，最終讓圖像變得完全模糊。這個過程主要用於生成訓練樣本。

反向去噪：這是模型真正學習能力的核心。AI通過大量訓練，逐步學會如何把噪聲一點點去掉，最終恢復出清晰圖像。

換句話說，擴散模型最擅長的事情，就是“從一團雜亂信息裡，還原出真正有用的內容”。相比傳統生成模型，擴散模型訓練更加穩定，生成結果也更細致。

如何用擴散模型恢復信號

雙重功能設計：去噪與增強

將擴散模型引入無線通信后，它不僅能“修復信號”，還能“生成數據”。一方面，擴散模型可以通過逐步去噪，從復雜干擾中恢復真實信道狀態信息（CSI），實現信號重構與恢復。另一方面，當真實訓練數據不足時，它還能生成大量高質量的模擬信道數據，用於AI模型訓練，提升系統在復雜環境下的適應能力。簡單來說，它既像一個“信號修復器”，又像一個“數據生成器”。

網絡架構與算法流程

擴散信道恢復框架主要包括訓練和推理兩個階段：

1、訓練階段：模型輸入真實信道樣本，並通過逐步加噪生成訓練數據，隨后利用神經網絡學習對應的反向去噪過程。模型會不斷學習“噪聲是如何產生的”，從而逐漸掌握復雜無線環境中的信號變化規律。

2、推理階段：在CSI估計任務中，接收端獲得的受干擾信號經過預處理后作為輸入，模型通過多輪逐步去噪，最終恢復真實信道﹔在數據增強任務中，模型則可以從隨機噪聲出發，生成多樣化的合成信道樣本。

圖1 基於擴散模型的智能信道恢復框架

產業意義與未來展望

通信AI融合的重要方向

擴散模型的引入，意味著無線通信正在從傳統“信號處理”逐漸走向“AI驅動”。過去的通信系統，更像是在按照固定規則處理信號﹔而未來，AI不僅能夠識別信號，還能理解、生成甚至“重建”信號。這對於未來6G智能空口、智能網絡以及AI內生通信架構的發展，都具有重要意義。

多場景擴展潛力

除了信道恢復之外，擴散模型未來還可以應用在很多方向：

1、波束預測，幫助系統更准確地找到最佳信號傳輸方向﹔

2、通信感知一體化，讓網絡不僅能傳輸數據，還能感知周圍環境﹔

3、邊緣智能，幫助低算力設備優化通信性能﹔

4、AI訓練數據生成，緩解真實無線數據採集成本高的問題，為AI通信提供更多“訓練素材”。

未來研究方向

未來研究可進一步聚焦於：輕量化擴散架構設計，以適應實時6G空口﹔跨模態擴散模型，結合感知與通信信號的聯合建模﹔標准化推進，探索擴散信道恢復在標准化 框架下的接口定義﹔試驗網驗証，與產業伙伴合作，在真實環境中驗証系統級性能。

作為生成式人工智能的重要代表技術，擴散模型正在推動無線通信系統從“信號驅動”向“智能驅動”演進。在信道恢復場景中，擴散模型依托“去噪重構”與“數據增強”兩種能力，不僅提升了信道估計精度，也增強了復雜環境下系統的穩定性與魯棒性，為未來6G智能通信網絡的發展提供了新的技術路徑。

作者：

李宇鵬 中國移動研究院未來研究院研究員

蘇鑫 中國移動研究院未來研究院研究員

審核：

金婧 中國移動研究院未來研究院副院長

策劃：閻冬